星期六, 15 8月 2020 17:46

AI与教育的完美结合,美国ALEKS人工智能自适应学习系统

作者 
给本项目评分
(0 得票数)

AI与教育的完美结合,美国ALEKS人工智能自适应学习系统

创立于1994年的ALEKS是目前美国市场渗透率最高的人工智能自适应教育公司,利用人工智能技术结合教学诊断为学生提供在线K12和高等教育相关课程。

ALEKS在线教学系统1994年诞生于美国加州,1997年正式上线。此后公司迅速成长,于2013年被著名教育出版公司McGraw-Hill Education收入麾下

ALEKSAssessment and Learning in Knowledge Spaces(知识空间中的评估与学习)的简称,它诞生的初衷是为了以科技的力量解决教学个性化的难题ALEKS自出生就带着浓厚的技术基因:它的研发团队包括来自纽约大学和加州大学尔湾分校(UCI两所世界名校的软件工程师、数学家和认知科学家,同时获得了美国国家科学基金会拨款的数百万美金研发资金。

ALEKS的核心是人工智能引擎,对每个学生的学习情况和学习能力进行单独的持续评估,从而能够针对用户的实际情况,定位到在当前时刻用户是否掌握了该知识点,若用户尚未掌握,ALEKS则会相应评估用户是否准备好学习这一章节。根据以上评估的结果,ALEKS能做到自动为用户推荐学习题目。简单来说,ALEKS使用人工智能绘制了每个学生知识的图谱细节

掌握率90%的个性化线上课程系统

教学本是非标品,但是让我们先来看一组有关数据:根据ALEKS披露的数据,使用ALEKS学习的学生对学科概念与技能的掌握率平均可达到90%ALEKS对学生学习情况的预测准确率高达97%

这些惊人的数字,是ALEKS 20余年来不断打磨其核心产品的结果。1997年进入课堂的第一款ALEKS课程产品仅是针对三年级以上K12学段的基础算术课程,而后ALEKS逐步将学段向高年级拓展,在基础算术之外,逐步加入了代数、几何、统计学、微积分等高级数学科目,并逐步开设专门课程教授ACT数学、SAT数学、化学、物理、会计学、商业统计、财务等科目。目前ALEKS的线上课程系统已经能够覆盖从三年级到职前教育的大部分理科课程。

ALEKS的特点:
○ 精准的学生起点评估
ALEKS的成功之处莫过于解决了教学难以绝对“针对性”与“个性化”的两大痛点,通过人工智能实现因材施教。整个因材施教的过程则始于一次精准的起点评估。

当每个学生首次使用ALEKS系统时,会有一个简单的教程教他如何使用ALEKS,接着就会进入到一个个性化的互动评估界面。评估的时间往往不会很长,持续45分钟左右,学生只需要回答2030个问题,ALEKS就能够通过学生的答题情况,精确地将学生定位到他所属的知识掌握阶段,并为学生规划好个性化的学习路径。

在整个过程中,学生并不会被系统告知所写答案的对错,以保持学生对学习的兴趣与自信心。同时,每个用户所看到的问题总是不同的,题目的呈现是由算法随机决定的,因此无法预测题目。


学生完成评估之后,将会看到ALEKS自动生成的专属于他的ALEKS知识饼图(ALEKS PIE)。ALEKS知识饼图以不同的颜色标识让学生了解到目前自己的学习情况与学习进度。如下图所示,每一块扇形均代表一类学术主题,分别有不同的颜色标识。


当学生点击某一块扇形区域时,则会显示他对这一类学术概念的具体掌握情况。其中深色部分代表该学生已经完全熟练掌握的部分(Mastered),浅色区域则代表该学生已经学习过的部分(learned),而灰色区域则代表了学生尚未学习的部分(remaining)


与传统的“测试”不同,ALEKS评估不会给学生一个成绩或所谓的“原始分数”,而是找出学生掌握了哪些概念。通过对学习数据的有效可视化,用户可以清楚快捷地了解到自己目前的学习情况。ALEKS知识饼图也是用户进入学习模式的入口,为用户提供了选择课程的科学依据。

○ 完善的内容生产体系
好的学习效果自然离不开好题目。对于国内许多线上教育机构而言,智能化的教研一直是值得下大气力投资的核心资产。ALEKS非常重视自身的内容建设,正如
ALEKS前主席、现任首席产品官Wilmot Lampros所说,“所有的产品、理论都需要内容才能实现ALEKS的一站式的服务体系基础是学生适合学什么东西、学生应该选择什么样的课程或者话题。”

ALEKS线上课程中的题目来源主要有三:
一是来自课本和各章节后的习题ALEKS的这部分题库覆盖了市面上所有可以找到的该科目的权威教科书,这部分题目为其他教研途径提供了基础。

二是教研团队人工出题ALEKS的部分题库内容来自于行业内专业人士的人工研发,这部分人由ALEKS教研团队精挑细选,往往具有多年的教学经验,拥有高等学历,且在各自领域已经积累了丰富的经验和深入的洞察。ALEKS首席产品官Lampros说,每个细小的知识点通常需要至少400个题目,教研团队至少会为此准备650个题目

三是算法自动生成的题目。通过机器学习、深度学习等算法,ALEKS不断学习针对不同学习阶段的各类题目,最终利用算法生成题库,ALEKS称利用算法形成的题目数量“理论上是无限多的”,这些题目还可以依据学生所处地区和环境自动做出微调。

取之不尽的题库一方面为用户提供了丰富的练习机会,同时利用算法有效防止“回音壁”效应,避免出现习题重复练习的情况

○ 开放式答题夯实学习效果
值得注意的是,虽然ALEKS是一个人工智能的教学体系,其中的输入与输出却都不是量化的ALEKS摒弃了让用户做选择题的做法,要求学生在答题时填入开放式答案

ALEKS的开放式答案不只是包括填空题,也包括用ALEKS提供的直尺、圆规等电子工具制图等非文字的答案。


这对系统后台的技术和算法提出了更高的要求,但是从另一个角度则提升了学习的效率,有助于切实夯实基础,最终形成更好的学习效果。

ALEKS团队认为,选择题总是难以避免“蒙对了”的情况,并不总能够准确反映用户的真实学习情况;只有用户能够在不接受任何外界提示和暗示的情况下找到正确答案,才能作为“学会”的依据

除此之外,ALEKS还会要求用户不定期地“回访”这些学科概念的相关题目,以确保用户没有学完就忘,并依据“回访”情况对用户的掌握度进行重新评估。一般来说,ALEKS会在20-25个题后对学生进行“回访检查”,“回访”题目同样遵循随机产生的原则,若用户无法通过评估,则该模块的学习进度条会出现倒退。

这让ALEKS能够做到真正有针对性地教会用户知识和概念,而非让用户一直在题海战术中不断徘徊迷茫

○ 多样化学习模式
真正决定用户体验的是进入ALEKS学习模式之后的体系设计与知识引导ALEKS的学习模式是全流程自动化的,不仅仅能为用户解决“what”的问题,更重要的是,以多样化的方式为用户切实解决“how”与“why”的问题。

经调研,ALEKS的学习模式主要提供三个功能:
一是练习题功能。这个功能易于理解,ALEKS会根据用户的不同情况,持续向用户推送相关模块的练习题。

二是对概念和解题过程的解释功能。当用户在解题过程中遇到困难时,可以通过单击“解释”按钮来获取该题目的详细解题过程及正确答案,对于题目所涉及的具体概念,ALEKS也会向用户来提供详细的讲解,让用户真正理解这道题背后的“why”。这类解析不只是以文字形式存在,对部分K12课程,ALEKS还提供私人助教的视频讲解。


三是实时反馈与建议功能。实时的反馈与建议来自于ALEKS的人工智能算法,在某些情况下,ALEKS会主动向用户发送反馈和建议,例如当用户解错题时,ALEKS会发送纠正错误的建议,又如ALEKS会主动追踪学生的学习进度,建议用户在ALEKS在线词典中查找某个单词的定义。ALEKS还会视情况建议学生暂时放弃手头的问题,专攻另一类题目。


在用户看完建议与题目解释后,可以通过点击“练习”(Practice)按钮返回之前的练习界面,如果用户成功解决了该问题,ALEKS系统会给用户两到三个同模块的习题,以确保用户的掌握。

○ 持续的数据积累与模型优化
伴随用户学习进程的逐步推进,ALEKS后台会不断的收集积累用户的行为信息,并对该用户的数据集进行更新,确保ALEKS对用户的了解和相应的题目推送能够做到100%即时

当然,这还不是ALEKS最终的目的。每一个用户的每一次鼠标轻点,最终都会将其学习行为的数据沉淀在ALEKS的底层架构之上,从而不断优化算法模型。这也正是ALEKS预测准确率可达到97%的原因——24年来的数据积累。

  • 辅助教学“众星拱月”

尽管线上智能课程业务业务已经是实打实的现金牛、为ALEKS带来可观的经营性利润,但ALEKS仍然持续研发多个教学周边产品,目的不在于拉动,而是在于互补。这些辅助产品有效协同线上智能课程业务发展壮大,一手保证更优质的教学效果,一手大刀阔斧地在线上人工智能教育领域攻城略地、触达更大的客群。

○ Quicktables:让学习进度一目了然
主要针对3年级以上用户的数学科目的掌握情况评估,能够兼容PC和Mac。这一过程完全由算法掌控,知识点依据美国数学教师协会(NCTM)提出的标准设置,全程无需教师的参与。

Quicktables程序通过交互式的学生模块,持续评估、了解、审查和视觉跟踪用户的学习进度,以求最好地满足用户需求。除了传统的题目外,Quicktables中还有互动游戏提供额外的内置奖励,意图激发学生的学习兴趣,为枯燥的学习注入一定的“娱乐属性”


ALEKS推荐用户每周使用Quicktables三次,每次15分钟,即可帮助用户一劳永逸地对基本数学概念有强化的认识。而令人惊讶的是,这款智能程序是完全免费的,只要购买ALEKS线上课程就可以使用。

○ RTI集成:发现掉队学生
首先介绍一下RTI分层体系。RTI,即回应性介入,是美国教学系统所独有的一种早期发现、预防和支持系统,其目的是在识别和帮助陷入困境的学生,并进行适当的学习干预。研究者认为,RTI将不同学生分成3个层级,如下图所示:


RTI并不是由ALEKS发明的教学体系,但ALEKS充分地认识到了自身优势与RTI体系相集成的可能性,针对RTI体系开发了一系列ALEKS RTI课程产品,精准针对那些在6到8年级“掉队”的学生,从而实现分层教学。目前ALEKS RTI课程仅适用于数学科目。

简单来说,ALEKS RTI课程产品以辅助包括三类,针对性地处理RTI筛查与处于非1级的阶段的“掉队”学生:ALEKS MS RTI筛查评估,RTI2级干预与MS RTI3级干预。

ALEKS MS RTI筛查评估产品独立于ALEKS主营线上课程而存在,与ALEKS主营线上课程开始前的学情评估并不冲突(ALEKS主要课程产品自动划分为RTI1级课程),而是有针对性地将学生放入对应的RTI体系层级之中,未能达到1级的学生则需要学习RTI课程产品。课程开始后,ALEKS MS RTI筛查还会定期对用户的学习情况进行评估,以确保百分之百的实时监控,及时针对真实情况做出课程调整。

RTI2级干预课程产品分为RTI6、RTI7、RTI8,分别针对处于RTI体系第二层级的6、7、8年级学生。对应地,RTI3级干预课程则针对处于RTI体系中第三层级的6、7、8年级学生。

以下表格代表了ALEKS RTI集成课程的产品分布:

 


依据个性化数据进行分层,能够最大限度的保证高质量的学习效果,帮助“掉队”学生迎头赶上。这也是教育产品最难以攻破的护城河。ALEKS称,只要每周使用5个小时RTI介入课程产品,处于第2层级的学生就能够升入1级。

用科学理论指导技术逻辑
在提倡教育“千人千面”的今天,越来越多的行业从业者开始呼吁回到教育的“初心”。技术并不是教育的本质而只是实现教育的手段,技术背后的教学理念才是ALEKS的核心武器

换言之,对于ALEKS的系统设计来说,任何一行代码背后,都必须有强有力的研究支持。

Wilmot Lampros介绍,整套ALEKS系统基于“知识空间理论”(knowledge space theory, KST)的教育研究理论。

它的提出者正是ALEKS创始人之一、国际知名数学家Jean-Claude Falmagne博士。对于这一理论,Falmagne博士及其团队共研究了逾30年,于1999年首次发表,并于2011年再次优化。在这一领域,迄今已经有300多篇学术论文刊发。

简单说来,不同于其他以数值评分来评价学生学习情况的学习系统,基于知识空间理论的ALEKS输出结果是一个“知识状态”。知识空间理论将组合学和随机过程中的概念应用于特定知识领域的建模。

这一理论框架支持通过创建计算机算法,用于构建和应用特定于学科的知识结构(即知识空间)。举例来说,代数1课程包含大约350个基本概念,其产生的网状结构中就包含了数百万个知识状态,其简化的排列组合如下图所示:




▲红色椭圆所代表的即是用户当前所处的知识状态,其周围的两条红色箭头则被称为是知识状态的“外缘”(outer fringe),代表的是接下来用户最可能需要学习的内容。当几百万个上图所示的结构拼凑起用户的整个知识空间,这个结构将是无比庞大的。


45个学科概念所构成的知识空间,其中的每一个点即代表一个知识状态。
Lampros介绍说,ALEKS产品是基于这样一个假设,即“所有的知识状态都是可以被描述的"在这个过程中,学生和知识之间是存在可被运用和验证的函数关系ALEKS会针对每一个领域的每个话题建模,形成不同的话题和问题类型。

在强大的AI技术支持下,ALEKS能够同时记忆和处理上万亿个如此的知识状态。其原理就是,每答对一个问题就可以缩小知识状态的范围,一步一步的缩小,最终就能找到学生当前所处的知识状态。尽管每个结构中都至少存在数百万个知识状态,但基于对这种“知识结构”的数学语言描述与自适应评估,利用马尔可夫链ALEKS在约25-30个问题之内就准确评估出学生所处的知识状态,并全面列出其“外缘”(即接下来可能学习的内容)。

未来专注用户
ALEKS素来低调,虽然多篇学术文献对ALEKS有所研究,其媒体曝光量却很低。Wilmot Lampros透露,未来公司的短期目标可以归纳为三点:多科目、互动内容和线下,但归根结底还是要回到用户身上。

目前的ALEKS对其所覆盖的科目可谓精益求精,仅有数学、科学、商学三类。Lampros表示,未来ALEKS还将进一步拓宽题库覆盖面,专注新学科研发,继续在高等数学(如微积分)等方向发力,尤其将关注强推理性的学科,而非过度依赖记忆的学科(如历史等)。

同时,Lampros直言不讳,目前ALEKS的产品内容虽然已经十分强大,但“趣味性还是有所欠缺,在用户参与互动方面仍然有待提升”

由于用户对ALEKS的喜爱程度直接决定了用户的付费留存和ALEKS的品牌价值,ALEKS未来将投入更多在解决“如何让用户感觉做数学题更有趣”的问题上。Lampros称公司或会增加新的用户交互体验,让界面更加色彩丰富等等。

以上文章节选来自知乎原文:https://zhuanlan.zhihu.com/p/53153198

阅读 344 次数 最后修改于 星期六, 05 9月 2020 09:52
语嫣

冬天来了,春天还会远么?

QQ: 12585787

网站: www.torontomeet.com

You have no rights to post comments, pls login to post.

相约多伦多-TorontoMeet.com © Copyright 2012

网站记录了语嫣同学移民加拿大后在多伦多的生活的点点滴滴和经验分享。

“文章内容是否已经过时需要更新?你有补充的内容么?一定不要吝啬你的评论,和大家分享点什么吧。对于后来者,那都是宝贵的信息,也是一种对我的鼓励。我希望听见大家的声音,让我们共同来培育这片树林。”--语嫣

评论排名

  • 语嫣
    38 ( +7 )
  • 量体温的猫
    10 ( +3 )
  • juliajulia
    7 ( 0 )
  • 轻轻木子
    7 ( +1 )
  • yuga
    5 ( +2 )

友情链接